实验6 形态学图像处理

1. 实验目的

①掌握数字图像处理中，形态学方法的基本思想；
②掌握膨胀、腐蚀、开运算、闭运算等形态学基本运算方法；
③能够利用形态学基本运算方法，编程实现图像去噪，边界提取等功能。

2. 实验内容

①调用Matlab / Python+OpenCV中的相关函数，实现图像的膨胀、腐蚀、
开、闭运算。
②调用Matlab / Python+OpenCV中的相关函数，使用形态学基本算法，实
现图像去噪，并改变结构元素的尺寸和形状，观察去噪效果。
③调用Matlab / Python+OpenCV中的相关函数，实现对二值图像的边界提
取。
④自行编写代码，实现图像细化。

3. 实验过程

3.1 形态学基本运算

调用Matlab / Python+OpenCV库中的函数，实现图像的膨胀、腐蚀、开、闭运算。

3.1.1 图像的膨胀与腐蚀

选择或设计合适的二值图像，使用相同的结构元素对图像分别进行3次膨胀和3次腐蚀操作，记录图像的变化过程与结果。
⑴ 主要调用的函数、功能及参数说明

函数名函数功能参数说明
imread(A)读取图片A：图片在文件夹的位置
imdilate(A,B)膨胀函数A：图片 B：膨胀的结构元素
imerode(A,B)腐蚀函数A：图片 B：腐蚀的结构元素
stel(A,n)构建结构元素A：结构类型 n：结构元素大小
**⑵ 源代码及实验结果(添加必要注释)** 
image=imread('lena.png');
A1=im2bw(image);
%imdilate膨胀
B=[0 1 01 1 10 1 0];
A2=imdilate(A1,B);%图像A1被结构元素B膨胀
A3=imdilate(A2,B);
A4=imdilate(A3,B);
%imerode腐蚀
%strel函数的功能是运用各种形状和大小构造结构元素
se1=strel('disk',1);%这里是创建一个半径为1的平坦型圆盘结构元素
B2=imerode(A1,se1);
B3=imerode(B2,se1);
B4=imerode(B3,se1);figure;
subplot(221),imshow(A1);title('imdilate膨胀原始图像');
subplot(222),imshow(A2);title('使用B后1次膨胀后的图像');
subplot(223),imshow(A3);title('使用B后2次膨胀后的图像');
subplot(224),imshow(A4);title('使用B后3次膨胀后的图像');figure;
subplot(221),imshow(A1);title('imerode腐蚀原始图像');
subplot(222),imshow(B2);title('使用结构原始disk(1)后1次腐蚀后的图像');
subplot(223),imshow(B3);title('使用结构原始disk(1)后2次腐蚀后的图像');
subplot(224),imshow(B4);title('使用结构原始disk(1)后3次腐蚀后的图像');

在这里插入图片描述
⑶ 总结

膨胀：将模板与以每个像素为中心的33矩阵做点乘，并求和结果矩阵，如果结果大于0，则表示矩阵范围内有1值，可膨胀。腐蚀：将模板与以每个像素为中心的33矩阵做点乘，并求和结果矩阵，则表示模板中所有的像素都为1值，不可腐蚀。

3.1.2 图像的开运算与闭运算

选择或设计合适的二值图像，分别对图像进行开操作、闭操作、先开后闭操作和先闭后开操作，并记录图像的变化过程与结果。
⑴ 主要调用的函数、功能及参数说明

函数名函数功能参数说明
imread(A)读取图片A：图片在文件夹的位置
imdilate(A,B)膨胀函数A：图片 B：膨胀的结构元素
imerode(A,B)腐蚀函数A：图片 B：腐蚀的结构元素
stel(A,n)构建结构元素A：结构类型 n：结构元素大小
imopen(A,B)开运算函数A：图片 B：开运算的结构元素
imclose(A,B)闭运算函数A：图片 B：闭运算的结构元素
im2bw(A)二值转化A：图片

⑵ 源代码及实验结果(添加必要注释)

image=imread('lena.png');
A1=im2bw(image);
se=strel('disk',2);%圆盘型结构元素B1=imdilate(A1,se);%膨胀
C1=imerode(B1,se);%先膨胀再腐蚀 闭运算
B2=imerode(A1,se);%腐蚀
C2=imdilate(B2,se);%先腐蚀后膨胀 开运算B3=imerode(C1,se);%腐蚀闭运算后图像
C3=imdilate(B3,se);%先腐蚀后膨胀 先闭后开
B4=imdilate(C2,se);%膨胀开运算后图像
C4=imerode(B4,se);%先膨胀再腐蚀 先开后闭figure,
subplot(231),imshow(A1);title('原始图像');
subplot(232),imshow(C2);title('开运算');
subplot(233),imshow(C1);title('闭运算');
subplot(235),imshow(C4);title('先开后闭运算');
subplot(236),imshow(C3);title('先闭后开运算');

在这里插入图片描述
⑶ 总结
开运算消除图像毛刺以及椒盐噪声；闭运算可以填平轮廓内部缺失部分。

3.2 形态学图像去噪

选择或设计合适的二值图像，在Matlab / Python+OpenCV中，调用相关函数，综合使用形态学算法，实现图像去噪；尝试改变结构元素的大小和形状，观察去噪效果；使用不同的图像，观察去噪效果。
⑴ 主要调用的函数、功能及参数说明

函数名函数功能参数说明
imread(A)读取图片A：图片在文件夹的位置
imdilate(A,B)膨胀函数A：图片 B：膨胀的结构元素
imerode(A,B)腐蚀函数A：图片 B：腐蚀的结构元素
stel(A,n)构建结构元素A：结构类型 n：结构元素大小
im2bw(A)二值转化A：图片

⑵ 源代码及实验结果(添加必要注释)

image=imread('lena.png');
Y1=imnoise(image,'salt & pepper',0.02);%椒盐
A1=im2bw(Y1);se=strel('disk',1);%创建一个半径为1的平坦型圆盘结构元素
se1=strel('disk',2);%创建一个半径为2的平坦型圆盘结构元素
se2=strel('square',2);%创建2*2的正方形结构元素
se3=strel('square',3);%创建3*3的正方形结构元素B1=imerode(A1,se);%腐蚀
C1=imdilate(B1,se);%先腐蚀后膨胀 开运算
B2=imerode(A1,se1);%腐蚀
C2=imdilate(B2,se1);%先腐蚀后膨胀 开运算
B3=imerode(A1,se2);%腐蚀
C3=imdilate(B3,se2);%先腐蚀后膨胀 开运算
B4=imerode(A1,se3);%腐蚀
C4=imdilate(B4,se3);%先腐蚀后膨胀 开运算figure,
subplot(231),imshow(A1);title('二值化噪音原图');
subplot(232),imshow(C1);title('半径为1圆盘结构元素');
subplot(233),imshow(C2);title('半径为2圆盘结构元素');
subplot(235),imshow(C3);title('2*2的正方形结构元素');
subplot(236),imshow(C4);title('3*3的正方形结构元素');

在这里插入图片描述

3.3 形态学边界提取

选择或设计合适的二值图像，在Matlab / Python+OpenCV中，调用相关函数，综合使用形态学算法，实现对图像的边界提取。
⑴ 主要调用的函数、功能及参数说明

函数名函数功能参数说明
imread(A)读取图片A：图片在文件夹的位置
rgb2gray(A)灰度转化A：图片
graythresh(A)最大类间方差法找阈值A：灰度图片
bwperim (A)查找二值图像的边缘A：图片
entropyfilt (A)创建纹理图像A：图片
mat2gray((A)矩阵转灰度图像A：图片
im2bw(A)二值转化A：图片
bwareaopen(A)提取区域纹理A：提取条件
rangefilt(A,B)rangefilt滤波A：图片 B：矩阵

⑵ 源代码及实验结果(添加必要注释)

%边缘代码一：
image=imread('lena.png');A=rgb2gray(image);
B=graythresh(A);%使用最大类间方差法找到图片的一个合适的阈值
B1=im2bw(A,B);%将输入图像中亮度大于B的所有像素替换为值1（白色），将所有其他像素替换为值0（黑色）
C=bwperim(B1);%查找二值图像的边缘subplot(1,2,1),imshow(A),title('原图像');
subplot(1,2,2),imshow(C),title('边缘提取后的图像');%边缘代码二：
% image=imread('D:\picture\1.jpg');
% img=rgb2gray(image);
% 
% img_1 = entropyfilt(img);  %创建纹理图像
% img_2 = mat2gray(img_1);  %转化为灰度图像
% img_3 = im2bw(img_2,0.7);  %转化为二值图像
% img_4 = bwareaopen((1-img_3),3000,8); %提取区域纹理
% img_5= rangefilt (img,ones(7));  %rangefilt滤波
% 
% subplot(2,3,1),imshow(img),title('原图像');
% subplot(2,3,2),imshow(img_2),title('纹理图像');
% subplot(2,3,3),imshow(img_3),title('二值图像');
% subplot(2,3,4),imshow(img_4),title('不同区域纹理图像');
% subplot(2,3,5),imshow(img_5),title('滤波后图像');

在这里插入图片描述
⑶ 总结
MATLAB工具中提供了用于边缘提取的bwperim( )函数，由bwperim( )函数可以实现各算子对图像边缘的提取。

4. 实验小结

①为了更好的观察和对比不同形态学运算的效果，应如何设计或选择实验图像？
答：颜色特征、形状特征、纹理特征、空间关系特征，描述了图像或图像区域所对应的景物的表面性质。由于颜色对图像或图像区域的方向、大小等变化不敏感，所以颜色特征不能很好的捕捉图像中对象的局部特征。形状特征是统计特征，纹理特征常具有旋转不变性，并且对于噪声有较强的抵抗能力。

②使用同样的结构元素对同一副图像先膨胀后腐蚀，和先腐蚀后膨胀，得到的结果一样吗？增加膨胀和腐蚀的次数，会得到怎样的效果？
答：不同。
膨胀操作会扩大（粗化）图像中物体的轮廓，可以用来弥补（填充）物体间的孔洞，强化离散点，代价是导致物体的面积比原来的面积要大。腐蚀操作会收缩（细化）图像中物体的轮廓，可以用来断开（分离）物体间的连接，消除离散点，代价是导致物体的面积比原来的面积要小。

③应用形态学方法对图像去噪时，结构元素的形状和大小会怎样影响去噪结果？
答：结构元素在形态学中的作用类似于信号处理时的“滤波窗口”其形状和大小将直接影响形态滤波的输出结果

④查阅资料，并结合实验结果，简述形态学方法的主要应用，并思考其具备哪些优点、不足和局限性。
答：消除噪声、边界提取、区域填充、连通分量提取、凸壳、细化、粗化等；分割出独立的图像元素，或者图像中相邻的元素；求取图像中明显的极大值区域和极小值区域；求取图像梯度。

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.rhkb.cn/news/365684.html

如若内容造成侵权/违法违规/事实不符，请联系长河编程网进行投诉反馈email:809451989@qq.com，一经查实，立即删除！

相关文章

[数据集][目标检测]电缆钢丝绳线缆缺陷检测数据集VOC+YOLO格式1800张3类别

[数据集][目标检测]电缆钢丝绳线缆缺陷检测数据集VOC+YOLO格式1800张3类别

数据集格式：Pascal VOC格式YOLO格式(不包含分割路径的txt文件，仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件) 图片数量(jpg文件个数)：1800 标注数量(xml文件个数)：1800 标注数量(txt文件个数)：1800 标注…
阅读更多...
为什么我的Skype点数不见了？如何重新激活 Skype 点数？

为什么我的Skype点数不见了？如何重新激活 Skype 点数？

您超过180天没有使用过点数打电话功能，点数暂时封存在您的账户里面，需要您手动激活（目前必须要登录网页版skype） 可再次使用。 如何重新激活 Skype 点数？ 登录到你的帐户 . 选择 重新激活信用额度 .注意： …
阅读更多...
源码学习：文件描述符

源码学习：文件描述符

在进程描述学习中，扯到了max_fds，接着就联想到了日常运维中常见的ulimit参数、sysctl内核参数，原来以为max_fds与这些个关联性比较强，但经过一早上折腾以后，发现其实还是有一些差距的。但是在学习过程中，却…
阅读更多...
SAP配置发布WebService接口并调用（超级详细）

SAP配置发布WebService接口并调用（超级详细）

文章目录 前言一、案例介绍/笔者需求二、WebService是什么？ a.传输协议 b.数据协议 c.WSDL d.UDDI 三、WebService 和 WebApi 的区别以及优缺点 a.主要区别 b.优缺点 四、SAP如何发布一个webser…
阅读更多...
LVGL实现字库的下载和使用

LVGL实现字库的下载和使用

1 字库 字库的概念：相应文字或字符的合集。 点阵字库：按字库顺序排列的字符/汉字字模的合集。 LVGL中字库使用Unicode编码，Unicode 是全球文字统一编码。它把世界上的各种文字的每一个字符指定唯一编码，实现跨语种、跨平台的应…
阅读更多...
示例:WPF中推荐一个Diagram开源流程图控件

示例:WPF中推荐一个Diagram开源流程图控件

一、目的&#xff1a;分享一个自研的开源流程图控件 二、使用方法 1、引用Nuget包&#xff1a; 2、添加节点列表和绘图控件 <DockPanel><ItemsControl DockPanel.Dock"Left"><h:GeometryNodeData Text"节点"/></ItemsControl><…
阅读更多...
[vue2/vue3] 详细剖析watch、computed、watchEffect的区别，原理解读

[vue2/vue3] 详细剖析watch、computed、watchEffect的区别，原理解读

前言&#xff1a;哈喽&#xff0c;大家好&#xff0c;我是前端菜鸟的自我修养&#xff01;今天给大家分享【深入剖析watch、computed、watchEffect的区别】&#xff0c;并提供具体代码帮助大家深入理解&#xff0c;彻底掌握&#xff01;原创不易&#xff0c;如果能帮助到带大家…
阅读更多...
Rust 跨平台-Android 和鸿蒙 OS

Rust 跨平台-Android 和鸿蒙 OS

1. 安装 rustup rustup 是 Rust 的安装和版本管理工具 $ curl --proto https --tlsv1.2 https://sh.rustup.rs -sSf | sh 该命令会安装 rusup 和最新的稳定版本的 Rust&#xff1b;包括&#xff1a; rustc Rust 编译器&#xff0c;用于将 Rust 代码编译成可执行文件或库。 ca…
阅读更多...
网络爬虫（一）

网络爬虫（一）

1. 深度优先爬虫&#xff1a;深度优先爬虫是一种以深度为优先的爬虫算法。它从一个起始点开始&#xff0c;先访问一个链接&#xff0c;然后再访问该链接下的链接&#xff0c;一直深入地访问直到无法再继续深入为止。然后回溯到上一个链接&#xff0c;再继续深入访问下一个未被访…
阅读更多...
redis,memcached,nginx网络组件

redis,memcached,nginx网络组件

课程目标&#xff1a; 1.网络模块要处理哪些事情 2.reactor是怎么处理这些事情的 3.reactor怎么封装 4.网络模块与业务逻辑的关系 5.怎么优化reactor? io函数 函数调用 都有两个作用&#xff1a;io检测 是否就绪 io操作 1. int clientfd accept(listenfd, &addr, &l…
阅读更多...
猫头虎 2024年上半年个人总结：科技自媒体的进击与突破

猫头虎 2024年上半年个人总结：科技自媒体的进击与突破

猫头虎 &#x1f42f; 2024年上半年个人总结&#xff1a;科技自媒体的进击与突破 &#x1f680; 大家好&#xff0c;我是猫头虎&#xff0c;实名李彦斌&#xff0c;陕西商洛人&#xff0c;今年26岁&#xff0c;目前在北京工作&#xff0c;全栈软件工程师、科技自媒体博主、某科…
阅读更多...
CSS基础学习记录（6）

CSS基础学习记录（6）

目录 1、从最基本的页面开始 2、添加图像/浮层部分 3、位置调整 4、添加动效 4.1、添加浮层动效 4.2、添加背景动画 目录 1、从最基本的页面开始 2、添加图像/浮层部分 3、位置调整 4、添加动效 4.1、添加浮层动效 4.2、添加背景动画 5、总结 根据前面css的学习&a…
阅读更多...
喜讯！安全狗荣获“2023年网络安全技术支撑优秀单位”称号

喜讯！安全狗荣获“2023年网络安全技术支撑优秀单位”称号

6月6日&#xff0c;由中共厦门市委网络安全和信息化委员会办公室&#xff08;以下简称“厦门市委网信办”&#xff09;主办的2023年网络安全技术支撑优秀单位颁奖仪式在厦门成功举行。 作为国内云原生安全领导厂商&#xff0c;安全狗受邀出席此次活动。 会上&#xff0c;安全狗…
阅读更多...
Spring两大核心思想 IoC和AoP

Spring两大核心思想 IoC和AoP

目录 ✨ 一、什么是IoC 1、定义 &#x1f38a; 2、IoC思想 &#x1f38a; 3、优势 &#x1f38a; 4、对象的管理 &#x1f38a; 存对象&#xff1a;Component 取对象&#xff1a;AutoWired ✨二、什么是DI 1、定义 &#x1f38a; 2、IoC和DI的关系&#x1f38a; 可…
阅读更多...
【笔记】echarts图表的缩放和鼠标滚动冲突的处理解决方案

【笔记】echarts图表的缩放和鼠标滚动冲突的处理解决方案

解决方案不是很好&#xff0c;来源于github的issue&#xff0c;官方提供了&#xff0c;组合键触发缩放的功能。 https://github.com/apache/echarts/issues/5769 https://echarts.apache.org/zh/option.html#dataZoom-inside.zoomOnMouseWheel dataZoom-inside.zoomOnMouseWhe…
阅读更多...
【正点原子K210连载】第十四章 按键输入实验 摘自【正点原子】DNK210使用指南-CanMV版指南

【正点原子K210连载】第十四章 按键输入实验 摘自【正点原子】DNK210使用指南-CanMV版指南

1&#xff09;实验平台&#xff1a;正点原子ATK-DNK210开发板 2&#xff09;平台购买地址https://detail.tmall.com/item.htm?id731866264428 3&#xff09;全套实验源码手册视频下载地址&#xff1a; http://www.openedv.com/docs/boards/xiaoxitongban 第十四章 按键输入实…
阅读更多...
数据结构与算法笔记：实战篇 - 剖析Redis常用数据类型对应的数据结构

数据结构与算法笔记：实战篇 - 剖析Redis常用数据类型对应的数据结构

概述 从本章开始&#xff0c;就进入实战篇的部分。这部分主要通过一些开源醒目、经典系统&#xff0c;真枪实弹地教你&#xff0c;如何将数据结构和算法应用到项目中。所以这部分的内容&#xff0c;更多的是知识点的回顾&#xff0c;相对于基础篇和高级篇&#xff0c;其实这部…
阅读更多...
短视频电商源码如何选择

短视频电商源码如何选择

在数字时代的浪潮下&#xff0c;短视频电商以其直观、生动、互动性强的特点&#xff0c;迅速崛起成为电商行业的一股新势力。对于有志于进军短视频电商领域的创业者来说&#xff0c;选择一款合适的短视频电商源码至关重要。本文将从多个角度探讨如何选择短视频电商源码&#xf…
阅读更多...
【每日刷题】Day78

【每日刷题】Day78

【每日刷题】Day78 &#x1f955;个人主页&#xff1a;开敲&#x1f349; &#x1f525;所属专栏&#xff1a;每日刷题&#x1f34d; &#x1f33c;文章目录&#x1f33c; 1. 1608. 特殊数组的特征值 - 力扣&#xff08;LeetCode&#xff09; 2. 1385. 两个数组间的距离值 - …
阅读更多...
我的世界服务器-高版本服务器-MC服务器-生存服务器-RPG服务器-幻世星辰

我的世界服务器-高版本服务器-MC服务器-生存服务器-RPG服务器-幻世星辰

生存为主&#xff0c;RPG乐趣为辅&#xff0c;重视每位玩家的建议&#xff0c;一起打造心目中的服务器&#xff0c;与小伙伴一起探险我的世界&#xff01; 服务器版本: 1.18.2 ~ 1.20.4 Q群&#xff1a; 338238381 服务器官网: 星辰毛毛雨-Minecraft高版本生存服务器我的世界…
阅读更多...
最新文章
推荐文章

Copyright @ 2022~2023